Costi dell'API Agent Zero: modelli principali, di utilità e di embedding

Agent Zero, il framework open source per agenti AI, costa 0 $ — il suo file LICENSE applica i termini MIT, indica come detentore del copyright Agent Zero, s.r.o., e agent-zero.ai non pubblicizza alcuna pagina dei prezzi, alcun piano né alcun livello hosted a pagamento — quindi «Agent Zero pricing» indica il costo sottostante dell’API del modello. Ciò che rende questo costo diverso da quello di un agente basato su un singolo modello è che Agent Zero lo suddivide in tre ruoli del modello, configurati e fatturati separatamente: un modello principale, un modello di utilità e un modello di embedding. Kunavo non offre alcun modello di embedding, quindi qui vengono acquistati solo i primi due ruoli, mentre il terzo resta sull’impostazione locale predefinita o viene affidato a un provider che vende quel passaggio. Ricevere una risposta a una chat non significa quindi che l’integrazione sia completata — significa che ha risposto uno dei tre ruoli.

Una prima precisazione, perché compare nella pagina dei risultati anziché ai margini. Agent Zero Token (A0T) è una criptovaluta su Base e si è classificata quarta nell’unica estrazione dei risultati di ricerca disponibile per questa pagina per «agent zero pricing», registrata il 17 settembre 2026, con una pagina dei prezzi di Coinbase al settimo posto. Un’unica estrazione non costituisce una classifica. Il token appartiene effettivamente al progetto — il blocco dei link ufficiali di CoinGecko rimanda ad agent-zero.ai e al repository GitHub del progetto — ed è questo che lo rende facile da confondere con un listino prezzi. Non lo è: nessuna quotazione del token rappresenta il prezzo di questo software, questa pagina non fornisce indicazioni di investimento o trading e il token compare più avanti solo come condizione dichiarata per un endpoint gratuito.

Quattro cose chiamate "Agent Zero" che non sono il prezzo di questo software

Solo la prima riga qui sotto è stata osservata nella pagina dei risultati di ricerca per "agent zero pricing"; le altre tre sono omonimie che si incontrano durante la ricerca, non elementi restituiti da quella pagina.

Fonti verificate il 21 settembre 2026: il file LICENSE (MIT, copyright Agent Zero, s.r.o.), la pagina del progetto su PyPI e i termini dell'API LLM, che dichiarano che il servizio "è una funzionalità bonus gratuita per la community di Agent Zero" e "non è un'offerta commerciale o a pagamento", disponibile ai titolari di token che li mettono in staking, con una quota "determinata dinamicamente e non garantita". La soglia di staking e la quota risultante non sono pubblicate in alcun luogo consultabile da questa pagina, quindi qui non viene indicata nessuna delle due. Per quanto riguarda il software stesso, l'API GitHub del repository agent0ai/agent-zero lo segnala come non archiviato e non disabilitato, con 19.227 stelle, e indica l'ultima release come v2.12, pubblicata il 9 settembre 2026.

Tre ruoli, tre fatture separate

La guida ai preset dei modelli di Agent Zero afferma che ogni configurazione contiene un modello principale, uno di utilità e uno per gli embedding. Non è un residuo della v1: conf/model_providers.yaml in main ha esattamente due sezioni di primo livello, chat: con 29 provider e embedding: con 16, ed entrambe le funzioni principale e di utilità attingono all'elenco delle chat. La guida all'installazione aggiunge che il Browser integrato non dispone di un proprio slot separato per il modello predefinito.

Vale la pena comprendere il valore predefinito prima di modificarlo. In models.py, una chiamata di embedding il cui provider è huggingface e il cui nome del modello inizia con sentence-transformers/ viene indirizzata direttamente a un wrapper locale SentenceTransformer — nessuna richiesta HTTP e nessuna chiave — e il preset predefinito curato assegna quel ruolo a sentence-transformers/all-MiniLM-L6-v2. Anche la guida all'installazione afferma che la modifica di embedding_llm "reindicizzerà tutta la memoria di A0", trasformando quello slot in una migrazione anziché in una semplice impostazione: pianificala come tale e conserva un backup della directory della memoria prima di modificarla. Per la questione più ampia di come interagiscono qualità del recupero e archiviazione, Implementazione RAG tratta la stessa decisione al di fuori di questo framework.

API personalizzata di Agent Zero: dove inserire endpoint e chiave

Nella rilevazione di ricerca registrata il 17 settembre 2026, la query "agent zero custom api" ha posizionato al terzo posto la guida all'integrazione delle API del progetto, ma quel documento risponde a una domanda diversa: il titolo effettivo è "Adding External APIs Without Code" e riguarda l'insegnamento all'agente di come chiamare API di terze parti, non la scelta del provider LLM. Di seguito trovi invece il percorso del provider, ricavato dal repository il 21 settembre 2026.

1. Scegli il provider. Il suo ID è other; conf/model_providers.yaml lo denomina Other OpenAI compatible e lo elenca sia nelle sezioni chat: sia embedding:. La guida all'installazione esprime lo stesso concetto come OpenAI Compatible, quindi aspettati entrambe le etichette nell'interfaccia.
2. Inserisci la chiave in External Services. La guida dice di "aggiungere la chiave API sotto External Services -> Other OpenAI-compatible API keys, quindi selezionare OpenAI Compatible come provider nelle impostazioni del modello".
3. Imposta l'URL API per ogni ruolo che stai spostando. È un campo specifico per ruolo, memorizzato come api_base nel file del preset, e la guida lo descrive come l'"URL dell'endpoint API per il modello di chat".
4. Digita manualmente l'ID del modello, esattamente come è riportato nel catalogo del tuo gateway, e mantieni corretta la convenzione dei prefissi: i provider nativi richiedono l'ID senza modifiche, mentre i gateway di solito vogliono un prefisso del fornitore.

# One Model Preset, three independent blocks. Each carries its own
# provider, model name and api_base, so the three roles can point at
# three different endpoints — and its own rl_* rate-limit fields.
# Schema read from agent0ai/a0-presets
# on September 21, 2026; the values below are an illustration.
chat:
  provider: other        # the UI calls it 'Other OpenAI compatible'
  name: <the id your gateway's own catalog lists>
  api_base: "https://api.kunavo.com/v1"
  ctx_length: 200000
utility:
  provider: other
  name: <a cheaper id from the same catalog>
  api_base: "https://api.kunavo.com/v1"
  ctx_length: 128000
embedding:
  provider: huggingface  # shipped default: local, CPU, no HTTP call
  name: sentence-transformers/all-MiniLM-L6-v2
  api_base: ""

Dietro le quinte, models.py riscrive il provider immediatamente prima della chiamata — il commento nel codice sorgente recita remap other to openai for litellm — quindi un endpoint personalizzato deve parlare nel formato OpenAI Chat Completions, e ogni provider di chat nel catalogo contiene a0_api_mode: chat. LiteLLM è il livello di trasporto per tutto questo, fissato in requirements.txt come litellm==1.88.1 con il commento "CVE-2026-42271 fix: patched floor is 1.83.7". Se preferisci non digitare la credenziale nell'interfaccia, il percorso tramite ambiente viene letto nel seguente ordine:

# models.py get_api_key() reads these three spellings in this order,
# for provider id `other`. A comma-separated value is round-robined
# across calls. Read from main on September 21, 2026.
API_KEY_OTHER=your-key
# OTHER_API_KEY=your-key
# OTHER_API_TOKEN=your-key

Una trappola di Docker che vale la pena ripetere dalla guida all'installazione: all'interno del container, localhost e 127.0.0.1 in un URL di base API indicano il container Agent Zero, non il tuo host, quindi un server di modelli sull'host richiede http://host.docker.internal:<port> o l'indirizzo del bridge. Questo vale per i runtime locali, non per un endpoint HTTPS pubblico.

Prima di seguirla alla lettera, è utile conoscere due difetti della documentazione ufficiale di configurazione, entrambi confermati il 21 settembre 2026. Primo, i link per scaricare A0 Launcher nella guida all'installazione sono fissati alla v0.9 e il testo rimanda alla "release A0 Launcher v0.9", mentre la pagina delle release del launcher mostra la v1.7, pubblicata il 9 settembre 2026 — otto release più recente. Usa la pagina delle release invece degli URL di download fissati. Secondo, la tabella "Model Naming by Provider" della guida inserisce un ID di modello Anthropic nella cella di esempio della riga OpenAI; il testo circostante distingue correttamente i casi. Ricava la regola generale dal testo, non da quella riga della tabella: un provider nativo richiede l'ID del modello senza modifiche, mentre un gateway di solito vuole un prefisso del fornitore.

Quattro limiti a cui va incontro un endpoint personalizzato

Il controllo della memorizzazione nella cache è quello più probabilmente in grado di modificare un budget, quindi ecco esattamente cosa dice il codice sorgente. _supports_cache_control_markers restituisce true solo quando api_base contiene openrouter.ai o anthropic.com, oppure quando il provider normalizzato appartiene a un insieme fisso che include anthropic, bedrock, gemini, minimax, openrouter e vertex_ai. Il provider other viene normalizzato a openai, che non appartiene a quell'insieme. Il secondo percorso, _is_openai_prompt_cache_provider, restituisce false per qualsiasi api_base che non sia api.openai.com o openai.azure.com. Pertanto, per un URL di base che non contiene nessuno di quei quattro nomi host e il cui provider viene normalizzato a openai, Agent Zero non applica né i punti di interruzione in stile Anthropic né le chiavi di cache OpenAI. Limita attentamente la portata di questa affermazione: riguarda ciò che invia Agent Zero, non afferma che uno sconto sulla cache non sia disponibile.

Per le due segnalazioni di bug, descrivile per quello che sono. Issue #1769 è una segnalazione di un utente, aperta il 21 settembre 2026, intitolata "LiteLLM calls exit(-9) when a model in model_cost has a litellm_provider that differs from the provider's actual litellm_provider mapping"; la sua stessa riga relativa all'ambito dichiara che riguarda "qualsiasi provider che rivende o fa da proxy a modelli provenienti da più origini", descrizione che corrisponde a un gateway. Nessuno l'ha riprodotta per questa pagina e non è stato verificato se si attivi per uno specifico ID di modello. PR #1437 segnala che LiteLLM 1.80.11 e versioni successive inviano encoding_format: null quando non è impostato e che i validatori rigorosi rifiutano il valore con un 422, oltre a una query di recupero della memoria non troncata che può superare il contesto di un modello di embedding. È aperta e non integrata; la issue principale #1436 è chiusa e non è stato possibile determinare come sia stata risolta, quindi qui non si afferma né "risolto" né "attivo".

Una stima dei costi per ruolo con un esempio concreto

Si tratta di un calcolo illustrativo dei token, non di costi misurati delle attività né di un limite massimo di spesa. Supponi una settimana di utilizzo costante: 6 milioni di token di input non memorizzati nella cache e 300.000 token di output per il ruolo principale, e 1,5 milioni di token di input e 150.000 token di output per il ruolo di utilità. Questa suddivisione è un'ipotesi a scopo illustrativo: nessuno ha misurato un ciclo di Agent Zero per questa pagina. Le tariffe sono i prezzi attuali del catalogo Kunavo per milione di token.

Due interpretazioni, che puntano in direzioni opposte. Primo, con queste ipotesi la scelta per il ruolo principale varia di $10,14 a settimana tra la riga più costosa e quella più economica qui sopra, mentre la scelta per il ruolo di utilità varia di $0,10. Ottimizzare il secondo slot non è il punto in cui si concentra la spesa, a meno che il tuo carico di lavoro non sia insolitamente orientato alle attività in background; inoltre, la guida all'installazione sconsiglia comunque di scegliere un modello troppo piccolo, poiché modelli molto piccoli (indica il 4B) spesso non riescono a estrarre la memoria in modo affidabile. Secondo, i due ruoli si combinano indipendentemente: GPT-5.6 Terra con Claude Haiku 4.5 costa in base alla stima $7,03 a settimana, contro $17,28 per GPT-5.6 Sol con GPT-5.6 Terra. Il terzo ruolo non aggiunge alcun costo API finché resta sul valore predefinito locale della CPU.

Per un confronto con le scelte del progetto, Agent Zero scarica tre preset curati al primo avvio quando non esiste una raccolta salvata. Default abbina un modello di chat GPT-5.6 Terra a un modello di utilità Google flash-lite; Power abbina GPT-5.6 Sol a GPT-5.6 Luna; Efficiency abbina un modello di chat GLM a un modello di utilità DeepSeek. Solo Default specifica il ruolo di embedding e lo assegna al modello locale della CPU; Efficiency e Power non contengono alcun blocco embedding in quel file. Questi riferimenti sono scritti nello stile OpenRouter usato dal file, quindi nessuno di essi è un ID Kunavo nella forma riportata: usa gli ID elencati nel catalogo Kunavo. Quel file è stato aggiornato l'ultima volta il 17 luglio 2026, quindi le sue scelte di modelli potrebbero essere arretrate rispetto al mercato.

Scala il calcolo sulle tue settimane prima di considerare qualsiasi cifra un budget. L'importo del catalogo Kunavo è una soglia minima di fatturazione, non un limite massimo: quando il provider upstream comunica il proprio addebito, la fattura è il maggiore tra il costo del catalogo e il costo upstream moltiplicato per il markup applicabile. Gli addebiti per la cache e gli strumenti esterni non rientrano in questo esempio. La ricarica minima Kunavo è $10 di credito prepagato: una soglia di finanziamento, non una tariffa per attività né un abbonamento. Consulta i dettagli sulla fatturazione.

Migliore API per Agent Zero: quale percorso vince e quando

Un dettaglio proprietario rende concreto, anziché teorico, il ragionamento ruolo per ruolo. Il plugin Cline Pass esiste in parte perché un'API in abbonamento che trasmette solo in streaming interrompe specificamente le chiamate del ruolo di utilità: il plugin inserisce un callback di streaming no-op, così le attività in background come l'assegnazione dei nomi alle chat, la compattazione e il consolidamento della memoria continuano a funzionare. I ruoli falliscono separatamente, ed è proprio per questo che una singola risposta chat riuscita non costituisce un test di integrazione. Agent Zero include anche un plugin LLM Cost Tracker che raggruppa l'utilizzo per classe di chiamata — tra cui chat principale, agenti subordinati e utilità — e viene fornito senza alcun prezzo, invitandoti a "inserire le tariffe dalla pagina ufficiale dei prezzi del tuo provider". Inseriscile per ruolo, altrimenti il dashboard fatturerà ogni classe alla singola tariffa che hai digitato.

Configurarlo, quindi verificare tutti e tre i ruoli

Kunavo non ha testato Agent Zero a runtime sul proprio endpoint e non pubblica alcuna pagina di integrazione per Agent Zero; tutto quanto sopra è stato ricavato dal codice sorgente e dalla documentazione di Agent Zero il 21 settembre 2026. Verifica quindi per ruolo anziché basarti sulla prima risposta: invia un messaggio chat per il ruolo principale, quindi attiva il lavoro in background — avvia una nuova conversazione affinché venga assegnato automaticamente il nome, oppure lascia che una sessione duri abbastanza da essere compattata — e conferma che sia stato il modello di utilità a rispondere. Lascia il ruolo di embedding sul valore predefinito locale, a meno che tu non abbia deciso di migrarlo, perché questa modifica reindicizza la memoria. Mantieni disponibile un percorso funzionante per tutta la durata, esegui un'attività con limiti definiti e confronta l'addebito registrato dal tuo account con la stima del cost tracker.

Se indirizzi i due ruoli a pagamento verso un unico endpoint, il quickstart contiene l'URL di base e una prima richiesta, mentre la creazione di un account Kunavo richiede il minimo prepagato di $10 senza abbonamento. Per le decisioni più ampie: il riferimento all'API compatibile con OpenAI descrive il formato dell'endpoint con cui comunica Agent Zero, Agent Zero vs OpenClaw confronta i due harness in termini di esecuzione e memoria, le alternative a LiteLLM trattano il livello di trasporto attraversato da ogni chiamata di Agent Zero e l'ottimizzazione dei costi dell'IA tratta la misurazione di un'attività reale anziché di un listino.

Domande frequenti

Lo stato del repository Agent Zero, l'ultima release, lo stato di issue e pull request, il catalogo dei provider, models.py, il trasporto LiteLLM, i requisiti, il file dei preset curati, le guide all'installazione e alla risoluzione dei problemi, i termini dell'API LLM e l'omonimia su PyPI sono stati tutti verificati il 21 settembre 2026. Le posizioni nei risultati di ricerca provengono da un'unica rilevazione registrata il 17 settembre 2026 e rappresentano una singola rilevazione, non una classifica. Le tariffe dei token Kunavo sono ricavate dal catalogo attivo; ogni cifra in dollari su questa pagina è un calcolo illustrativo dei token basato su un'ipotesi dichiarata, non il costo misurato di un'attività.